分布式搜索引擎之elasticsearch基本使用2

在分布式搜索引擎之elasticsearch基本使用1中，我們已經(jīng)導(dǎo)入了大量數(shù)據(jù)到elasticsearch中，實(shí)現(xiàn)了elasticsearch的數(shù)據(jù)存儲(chǔ)功能。但elasticsearch最擅長的還是搜索和數(shù)據(jù)分析。
所以j接下來，我們研究下elasticsearch的數(shù)據(jù)搜索功能。我們會(huì)分別使用DSL和RestClient實(shí)現(xiàn)搜索。

1.DSL查詢文檔

elasticsearch的查詢依然是基于JSON風(fēng)格的DSL來實(shí)現(xiàn)的。

1.1.DSL查詢分類

Elasticsearch提供了基于JSON的DSL（Domain Specific Language）來定義查詢。常見的查詢類型包括：

• 查詢所有：查詢出所有數(shù)據(jù)，一般測(cè)試用。例如：match_all

• 全文檢索（full text）查詢：利用分詞器對(duì)用戶輸入內(nèi)容分詞，然后去倒排索引庫中匹配。例如：

  • match_query
  • multi_match_query

• 精確查詢：根據(jù)精確詞條值查找數(shù)據(jù)，一般是查找keyword、數(shù)值、日期、boolean等類型字段。例如：

  • ids
  • range
  • term

• 地理（geo）查詢：根據(jù)經(jīng)緯度查詢。例如：

  • geo_distance
  • geo_bounding_box

• 復(fù)合（compound）查詢：復(fù)合查詢可以將上述各種查詢條件組合起來，合并查詢條件。例如：

  • bool
  • function_score

查詢的語法基本一致：

GET /indexName/_search
{"query": {"查詢類型": {"查詢條件": "條件值"}}
}

我們以查詢所有為例，其中：

• 查詢類型為match_all
• 沒有查詢條件

// 查詢所有
GET /indexName/_search
{"query": {"match_all": {}}
}

其它查詢無非就是查詢類型、查詢條件的變化。

1.2.全文檢索查詢

1.2.1.使用場(chǎng)景

全文檢索查詢的基本流程如下：

• 對(duì)用戶搜索的內(nèi)容做分詞，得到詞條
• 根據(jù)詞條去倒排索引庫中匹配，得到文檔id
• 根據(jù)文檔id找到文檔，返回給用戶

比較常用的場(chǎng)景包括：

• 商城的輸入框搜索
• 百度輸入框搜索

例如京東：

因?yàn)槭悄弥~條去匹配，因此參與搜索的字段也必須是可分詞的text類型的字段。

1.2.2.基本語法

常見的全文檢索查詢包括：

• match查詢：單字段查詢
• multi_match查詢：多字段查詢，任意一個(gè)字段符合條件就算符合查詢條件

match查詢語法如下：

GET /indexName/_search
{"query": {"match": {"FIELD": "TEXT"}}
}

mulit_match語法如下：

GET /indexName/_search
{"query": {"multi_match": {"query": "TEXT","fields": ["FIELD1", " FIELD12"]}}
}

1.2.3.示例

match查詢示例：

multi_match查詢示例：

可以看到，兩種查詢結(jié)果是一樣的，為什么？

因?yàn)槲覀儗rand、name、business值都利用copy_to復(fù)制到了all字段中。因此你根據(jù)三個(gè)字段搜索，和根據(jù)all字段搜索效果當(dāng)然一樣了。

但是，搜索字段越多，對(duì)查詢性能影響越大，因此建議采用copy_to，然后單字段查詢的方式。

1.2.4.總結(jié)

match和multi_match的區(qū)別是什么？

• match：根據(jù)一個(gè)字段查詢
• multi_match：根據(jù)多個(gè)字段查詢，參與查詢字段越多，查詢性能越差

1.3.精準(zhǔn)查詢

精確查詢一般是查找keyword、數(shù)值、日期、boolean等類型字段。所以不會(huì)對(duì)搜索條件分詞。常見的有：

• term：根據(jù)詞條精確值查詢
• range：根據(jù)值的范圍查詢

1.3.1.term查詢

因?yàn)榫_查詢的字段搜是不分詞的字段，因此查詢的條件也必須是不分詞的詞條。查詢時(shí)，用戶輸入的內(nèi)容跟自動(dòng)值完全匹配時(shí)才認(rèn)為符合條件。如果用戶輸入的內(nèi)容過多，反而搜索不到數(shù)據(jù)。

語法說明：

// term查詢
GET /indexName/_search
{"query": {"term": {"FIELD": {"value": "VALUE"}}}
}

示例：

當(dāng)我搜索的是精確詞條時(shí)，能正確查詢出結(jié)果：

但是，當(dāng)我搜索的內(nèi)容不是詞條，而是多個(gè)詞語形成的短語時(shí)，反而搜索不到：

1.3.2.range查詢

范圍查詢，一般應(yīng)用在對(duì)數(shù)值類型做范圍過濾的時(shí)候。比如做價(jià)格范圍過濾。

基本語法：

// range查詢
GET /indexName/_search
{"query": {"range": {"FIELD": {"gte": 10, // 這里的gte代表大于等于，gt則代表大于"lte": 20 // lte代表小于等于，lt則代表小于}}}
}

示例：

1.3.3.總結(jié)

精確查詢常見的有哪些？

• term查詢：根據(jù)詞條精確匹配，一般搜索keyword類型、數(shù)值類型、布爾類型、日期類型字段
• range查詢：根據(jù)數(shù)值范圍查詢，可以是數(shù)值、日期的范圍

1.4.地理坐標(biāo)查詢

所謂的地理坐標(biāo)查詢，其實(shí)就是根據(jù)經(jīng)緯度查詢，官方文檔：https://www.elastic.co/guide/en/elasticsearch/reference/current/geo-queries.html

常見的使用場(chǎng)景包括：

• 攜程：搜索我附近的酒店
• 滴滴：搜索我附近的出租車
• 微信：搜索我附近的人

附近的酒店：

1.4.1.矩形范圍查詢

矩形范圍查詢，也就是geo_bounding_box查詢，查詢坐標(biāo)落在某個(gè)矩形范圍的所有文檔：

查詢時(shí)，需要指定矩形的左上、右下兩個(gè)點(diǎn)的坐標(biāo)，然后畫出一個(gè)矩形，落在該矩形內(nèi)的都是符合條件的點(diǎn)。

語法如下：

// geo_bounding_box查詢
GET /indexName/_search
{"query": {"geo_bounding_box": {"FIELD": {"top_left": { // 左上點(diǎn)"lat": 31.1,"lon": 121.5},"bottom_right": { // 右下點(diǎn)"lat": 30.9,"lon": 121.7}}}}
}

這種并不符合“附近的人”這樣的需求，所以我們就不做了。

1.4.2.附近查詢

附近查詢，也叫做距離查詢（geo_distance）：查詢到指定中心點(diǎn)小于某個(gè)距離值的所有文檔。

換句話來說，在地圖上找一個(gè)點(diǎn)作為圓心，以指定距離為半徑，畫一個(gè)圓，落在圓內(nèi)的坐標(biāo)都算符合條件：

語法說明：

// geo_distance 查詢
GET /indexName/_search
{"query": {"geo_distance": {"distance": "15km", // 半徑"FIELD": "31.21,121.5" // 圓心}}
}

示例：

我們先搜索陸家嘴附近15km的酒店：

發(fā)現(xiàn)共有47家酒店。

然后把半徑縮短到5公里：

可以發(fā)現(xiàn)，搜索到的酒店數(shù)量減少到了1家家。

1.5.復(fù)合查詢

復(fù)合（compound）查詢：復(fù)合查詢可以將其它簡單查詢組合起來，實(shí)現(xiàn)更復(fù)雜的搜索邏輯。常見的有兩種：

• fuction score：算分函數(shù)查詢，可以控制文檔相關(guān)性算分，控制文檔排名
• bool query：布爾查詢，利用邏輯關(guān)系組合多個(gè)其它的查詢，實(shí)現(xiàn)復(fù)雜搜索

1.5.1.相關(guān)性算分

當(dāng)我們利用match查詢時(shí)，文檔結(jié)果會(huì)根據(jù)與搜索詞條的關(guān)聯(lián)度打分（_score），返回結(jié)果時(shí)按照分值降序排列。

例如，我們搜索 “虹橋如家”，結(jié)果如下：

[{"_score" : 17.850193,"_source" : {"name" : "虹橋如家酒店真不錯(cuò)",}},{"_score" : 12.259849,"_source" : {"name" : "外灘如家酒店真不錯(cuò)",}},{"_score" : 11.91091,"_source" : {"name" : "迪士尼如家酒店真不錯(cuò)",}}
]

在elasticsearch中，早期使用的打分算法是TF-IDF算法，公式如下：

在后來的5.1版本升級(jí)中，elasticsearch將算法改進(jìn)為BM25算法，公式如下：

Score(D,Q) 是文檔 D 與查詢 Q 的相關(guān)性得分。
qi 是查詢中的第 i 個(gè)詞。
f(qi, D)是詞 qi 在文檔 D 中的頻率。
IDF(qi) 是詞qi 的逆文檔頻率。
|D| 是文檔 D的長度。
avgdl是所有文檔的平均長度。
k1 和 b 是可調(diào)的參數(shù)，通常 k1 在1.2到2之間， b通常設(shè)為0.75。

N 是文檔集合中的文檔總數(shù)
n(q1)是包含詞q1的文檔數(shù)量

詞頻 (f(qi, D)): 這是查詢中的詞 q_i在文檔 D 中出現(xiàn)的頻率。詞頻是衡量一個(gè)詞在文檔中重要性的基本指標(biāo)。詞頻越高，這個(gè)詞在文檔中的重要性通常越大。
逆文檔頻率 (IDF(qi)): 逆文檔頻率是衡量一個(gè)詞對(duì)于整個(gè)文檔集合的獨(dú)特性或信息量的指標(biāo)。它是由整個(gè)文檔集合中包含該詞的文檔數(shù)量決定的。一個(gè)詞在很多文檔中出現(xiàn)，其IDF值就會(huì)低，反之則高。這意味著罕見的詞通常有更高的IDF值，從而在相關(guān)性評(píng)分中擁有更大的權(quán)重。
文檔長度 (|D|): 這是文檔D 中的詞匯數(shù)量。文檔長度用于調(diào)整詞頻的影響，因?yàn)檩^長的文檔可能僅因?yàn)樗鼈兊拈L度就有更高的詞頻。
平均文檔長度 (avgdl): 這是整個(gè)文檔集合中所有文檔長度的平均值。它用于標(biāo)準(zhǔn)化不同文檔的長度，以便可以公平比較不同長度的文檔。
可調(diào)參數(shù) (k1 和 b):
k1 是一個(gè)正系數(shù)，用于控制詞頻的飽和度。較高的 k1 值意味著詞頻對(duì)評(píng)分的影響更大。
b 是用于控制文檔長度對(duì)評(píng)分的影響的參數(shù)，取值在0到1之間。當(dāng) b=1 時(shí)，文檔長度的影響最大；當(dāng)b = 0 時(shí)，文檔長度不影響評(píng)分。

TF-IDF算法有一各缺陷，就是詞條頻率越高，文檔得分也會(huì)越高，單個(gè)詞條對(duì)文檔影響較大。而BM25則會(huì)讓單個(gè)詞條的算分有一個(gè)上限，曲線更加平滑：

小結(jié)：elasticsearch會(huì)根據(jù)詞條和文檔的相關(guān)度做打分，算法由兩種：

• TF-IDF算法
• BM25算法，elasticsearch5.1版本后采用的算法

1.5.2.算分函數(shù)查詢

根據(jù)相關(guān)度打分是比較合理的需求，但合理的不一定是產(chǎn)品經(jīng)理需要的。

以百度為例，你搜索的結(jié)果中，并不是相關(guān)度越高排名越靠前。如圖：

要想認(rèn)為控制相關(guān)性算分，就需要利用elasticsearch中的function score 查詢了。

1）語法說明

function score 查詢中包含四部分內(nèi)容：

• 原始查詢條件：query部分，基于這個(gè)條件搜索文檔，并且基于BM25算法給文檔打分，原始算分（query score)
• 過濾條件：filter部分，符合該條件的文檔才會(huì)重新算分
• 算分函數(shù)：符合filter條件的文檔要根據(jù)這個(gè)函數(shù)做運(yùn)算，得到的函數(shù)算分（function score），有四種函數(shù)
  • weight：函數(shù)結(jié)果是常量
  • field_value_factor：以文檔中的某個(gè)字段值作為函數(shù)結(jié)果
  • random_score：以隨機(jī)數(shù)作為函數(shù)結(jié)果
  • script_score：自定義算分函數(shù)算法
• 運(yùn)算模式：算分函數(shù)的結(jié)果、原始查詢的相關(guān)性算分，兩者之間的運(yùn)算方式，包括：
  • multiply：相乘
  • replace：用function score替換query score
  • 其它，例如：sum、avg、max、min

function score的運(yùn)行流程如下：

• 1）根據(jù)原始條件查詢搜索文檔，并且計(jì)算相關(guān)性算分，稱為原始算分（query score）
• 2）根據(jù)過濾條件，過濾文檔
• 3）符合過濾條件的文檔，基于算分函數(shù)運(yùn)算，得到函數(shù)算分（function score）
• 4）將原始算分（query score）和函數(shù)算分（function score）基于運(yùn)算模式做運(yùn)算，得到最終結(jié)果，作為相關(guān)性算分。

因此，其中的關(guān)鍵點(diǎn)是：

• 過濾條件：決定哪些文檔的算分被修改
• 算分函數(shù)：決定函數(shù)算分的算法
• 運(yùn)算模式：決定最終算分結(jié)果

2）示例

需求：給“如家”這個(gè)品牌的酒店排名靠前一些

翻譯一下這個(gè)需求，轉(zhuǎn)換為之前說的四個(gè)要點(diǎn)：

• 原始條件：不確定，可以任意變化
• 過濾條件：brand = “如家”
• 算分函數(shù)：可以簡單粗暴，直接給固定的算分結(jié)果，weight
• 運(yùn)算模式：比如求和

因此最終的DSL語句如下：

GET /hotel/_search
{"query": {"function_score": {"query": {  .... }, // 原始查詢，可以是任意條件"functions": [ // 算分函數(shù){"filter": { // 滿足的條件，品牌必須是如家"term": {"brand": "如家"}},"weight": 2 // 算分權(quán)重為2}],"boost_mode": "sum" // 加權(quán)模式，求和}}
}

測(cè)試，在未添加算分函數(shù)時(shí)，如家得分如下：

添加了算分函數(shù)后，如家得分就提升了：

3）小結(jié)

function score query定義的三要素是什么？

• 過濾條件：哪些文檔要加分
• 算分函數(shù)：如何計(jì)算function score
• 加權(quán)方式：function score 與 query score如何運(yùn)算

1.5.3.布爾查詢

布爾查詢是一個(gè)或多個(gè)查詢子句的組合，每一個(gè)子句就是一個(gè)子查詢。子查詢的組合方式有：

• must：必須匹配每個(gè)子查詢，類似“與”
• should：選擇性匹配子查詢，類似“或”
• must_not：必須不匹配，不參與算分，類似“非”
• filter：必須匹配，不參與算分

比如在搜索酒店時(shí)，除了關(guān)鍵字搜索外，我們還可能根據(jù)品牌、價(jià)格、城市等字段做過濾：

每一個(gè)不同的字段，其查詢的條件、方式都不一樣，必須是多個(gè)不同的查詢，而要組合這些查詢，就必須用bool查詢了。

需要注意的是，搜索時(shí)，參與打分的字段越多，查詢的性能也越差。因此這種多條件查詢時(shí)，建議這樣做：

• 搜索框的關(guān)鍵字搜索，是全文檢索查詢，使用must查詢，參與算分
• 其它過濾條件，采用filter查詢。不參與算分

1）語法示例：

GET /hotel/_search
{"query": {"bool": {"must": [{"term": {"city": "上海" }}],"should": [{"term": {"brand": "皇冠假日" }},{"term": {"brand": "華美達(dá)" }}],"must_not": [{ "range": { "price": { "lte": 500 } }}],"filter": [{ "range": {"score": { "gte": 45 } }}]}}
}

2）示例

需求：搜索名字包含“如家”，價(jià)格不高于400，在坐標(biāo)31.21,121.5周圍10km范圍內(nèi)的酒店。

分析：

• 名稱搜索，屬于全文檢索查詢，應(yīng)該參與算分。放到must中
• 價(jià)格不高于400，用range查詢，屬于過濾條件，不參與算分。放到must_not中
• 周圍10km范圍內(nèi)，用geo_distance查詢，屬于過濾條件，不參與算分。放到filter中

3）小結(jié)

bool查詢有幾種邏輯關(guān)系？

• must：必須匹配的條件，可以理解為“與”
• should：選擇性匹配的條件，可以理解為“或”
• must_not：必須不匹配的條件，不參與打分
• filter：必須匹配的條件，不參與打分

2.搜索結(jié)果處理

搜索的結(jié)果可以按照用戶指定的方式去處理或展示。

2.1.排序

elasticsearch默認(rèn)是根據(jù)相關(guān)度算分（_score）來排序，但是也支持自定義方式對(duì)搜索結(jié)果排序?？梢耘判蜃侄晤愋陀?#xff1a;keyword類型、數(shù)值類型、地理坐標(biāo)類型、日期類型等。

2.1.1.普通字段排序

keyword、數(shù)值、日期類型排序的語法基本一致。

語法：

GET /indexName/_search
{"query": {"match_all": {}},"sort": [{"FIELD": "desc"  // 排序字段、排序方式ASC、DESC}]
}

排序條件是一個(gè)數(shù)組，也就是可以寫多個(gè)排序條件。按照聲明的順序，當(dāng)?shù)谝粋€(gè)條件相等時(shí)，再按照第二個(gè)條件排序，以此類推

示例：

需求描述：酒店數(shù)據(jù)按照用戶評(píng)價(jià)（score)降序排序，評(píng)價(jià)相同的按照價(jià)格(price)升序排序

2.1.2.地理坐標(biāo)排序

地理坐標(biāo)排序略有不同。

語法說明：

GET /indexName/_search
{"query": {"match_all": {}},"sort": [{"_geo_distance" : {"FIELD" : "緯度，經(jīng)度", // 文檔中g(shù)eo_point類型的字段名、目標(biāo)坐標(biāo)點(diǎn)"order" : "asc", // 排序方式"unit" : "km" // 排序的距離單位}}]
}

這個(gè)查詢的含義是：

• 指定一個(gè)坐標(biāo)，作為目標(biāo)點(diǎn)
• 計(jì)算每一個(gè)文檔中，指定字段（必須是geo_point類型）的坐標(biāo) 到目標(biāo)點(diǎn)的距離是多少
• 根據(jù)距離排序

示例：

需求描述：實(shí)現(xiàn)對(duì)酒店數(shù)據(jù)按照到你的位置坐標(biāo)的距離升序排序

提示：獲取你的位置的經(jīng)緯度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/

假設(shè)我的位置是：31.034661，121.612282，尋找我周圍距離最近的酒店。

2.2.分頁

elasticsearch 默認(rèn)情況下只返回top10的數(shù)據(jù)。而如果要查詢更多數(shù)據(jù)就需要修改分頁參數(shù)了。elasticsearch中通過修改from、size參數(shù)來控制要返回的分頁結(jié)果：

• from：從第幾個(gè)文檔開始
• size：總共查詢幾個(gè)文檔

類似于mysql中的limit ?, ?

2.2.1.基本的分頁

分頁的基本語法如下：

GET /hotel/_search
{"query": {"match_all": {}},"from": 0, // 分頁開始的位置，默認(rèn)為0"size": 10, // 期望獲取的文檔總數(shù)"sort": [{"price": "asc"}]
}

2.2.2.深度分頁問題

現(xiàn)在，我要查詢990~1000的數(shù)據(jù)，查詢邏輯要這么寫：

GET /hotel/_search
{"query": {"match_all": {}},"from": 990, // 分頁開始的位置，默認(rèn)為0"size": 10, // 期望獲取的文檔總數(shù)"sort": [{"price": "asc"}]
}

這里是查詢990開始的數(shù)據(jù)，也就是 第990~第1000條 數(shù)據(jù)。

不過，elasticsearch內(nèi)部分頁時(shí)，必須先查詢 0~1000條，然后截取其中的990 ~ 1000的這10條：

查詢TOP1000，如果es是單點(diǎn)模式，這并無太大影響。

但是elasticsearch將來一定是集群，例如我集群有5個(gè)節(jié)點(diǎn)，我要查詢TOP1000的數(shù)據(jù)，并不是每個(gè)節(jié)點(diǎn)查詢200條就可以了。

因?yàn)楣?jié)點(diǎn)A的TOP200，在另一個(gè)節(jié)點(diǎn)可能排到10000名以外了。

因此要想獲取整個(gè)集群的TOP1000，必須先查詢出每個(gè)節(jié)點(diǎn)的TOP1000，匯總結(jié)果后，重新排名，重新截取TOP1000。

那如果我要查詢9900~10000的數(shù)據(jù)呢？是不是要先查詢TOP10000呢？那每個(gè)節(jié)點(diǎn)都要查詢10000條？匯總到內(nèi)存中？

當(dāng)查詢分頁深度較大時(shí)，匯總數(shù)據(jù)過多，對(duì)內(nèi)存和CPU會(huì)產(chǎn)生非常大的壓力，因此elasticsearch會(huì)禁止from+ size 超過10000的請(qǐng)求。

針對(duì)深度分頁，ES提供了兩種解決方案，官方文檔：

• search after：分頁時(shí)需要排序，原理是從上一次的排序值開始，查詢下一頁數(shù)據(jù)。官方推薦使用的方式。
• scroll：原理將排序后的文檔id形成快照，保存在內(nèi)存。官方已經(jīng)不推薦使用。

2.2.3.小結(jié)

分頁查詢的常見實(shí)現(xiàn)方案以及優(yōu)缺點(diǎn)：

• from + size：

  • 優(yōu)點(diǎn)：支持隨機(jī)翻頁
  • 缺點(diǎn)：深度分頁問題，默認(rèn)查詢上限（from + size）是10000
  • 場(chǎng)景：百度、京東、谷歌、淘寶這樣的隨機(jī)翻頁搜索

• after search：

  • 優(yōu)點(diǎn)：沒有查詢上限（單次查詢的size不超過10000）
  • 缺點(diǎn)：只能向后逐頁查詢，不支持隨機(jī)翻頁
  • 場(chǎng)景：沒有隨機(jī)翻頁需求的搜索，例如手機(jī)向下滾動(dòng)翻頁

• scroll：

  • 優(yōu)點(diǎn)：沒有查詢上限（單次查詢的size不超過10000）
  • 缺點(diǎn)：會(huì)有額外內(nèi)存消耗，并且搜索結(jié)果是非實(shí)時(shí)的
  • 場(chǎng)景：海量數(shù)據(jù)的獲取和遷移。從ES7.1開始不推薦，建議用 after search方案。

2.3.高亮

2.3.1.高亮原理

什么是高亮顯示呢？

我們?cè)诎俣?#xff0c;京東搜索時(shí)，關(guān)鍵字會(huì)變成紅色，比較醒目，這叫高亮顯示：

高亮顯示的實(shí)現(xiàn)分為兩步：

• 1）給文檔中的所有關(guān)鍵字都添加一個(gè)標(biāo)簽，例如<em>標(biāo)簽
• 2）頁面給<em>標(biāo)簽編寫CSS樣式

2.3.2.實(shí)現(xiàn)高亮

高亮的語法：

GET /hotel/_search
{"query": {"match": {"FIELD": "TEXT" // 查詢條件，高亮一定要使用全文檢索查詢}},"highlight": {"fields": { // 指定要高亮的字段"FIELD": {"pre_tags": "<em>",  // 用來標(biāo)記高亮字段的前置標(biāo)簽"post_tags": "</em>" // 用來標(biāo)記高亮字段的后置標(biāo)簽}}}
}

注意：

• 高亮是對(duì)關(guān)鍵字高亮，因此搜索條件必須帶有關(guān)鍵字，而不能是范圍這樣的查詢。
• 默認(rèn)情況下，高亮的字段，必須與搜索指定的字段一致，否則無法高亮
• 如果要對(duì)非搜索字段高亮，則需要添加一個(gè)屬性：required_field_match=false

示例：

2.4.總結(jié)

查詢的DSL是一個(gè)大的JSON對(duì)象，包含下列屬性：

• query：查詢條件
• from和size：分頁條件
• sort：排序條件
• highlight：高亮條件

示例：

3.RestClient查詢文檔

文檔的查詢同樣適用昨天學(xué)習(xí)的 RestHighLevelClient對(duì)象，基本步驟包括：

• 1）準(zhǔn)備Request對(duì)象
• 2）準(zhǔn)備請(qǐng)求參數(shù)
• 3）發(fā)起請(qǐng)求
• 4）解析響應(yīng)

3.1.快速入門

我們以match_all查詢?yōu)槔?/p>

3.1.1.發(fā)起查詢請(qǐng)求

代碼解讀：

• 第一步，創(chuàng)建SearchRequest對(duì)象，指定索引庫名

• 第二步，利用request.source()構(gòu)建DSL，DSL中可以包含查詢、分頁、排序、高亮等

  • query()：代表查詢條件，利用QueryBuilders.matchAllQuery()構(gòu)建一個(gè)match_all查詢的DSL

• 第三步，利用client.search()發(fā)送請(qǐng)求，得到響應(yīng)

這里關(guān)鍵的API有兩個(gè)，一個(gè)是request.source()，其中包含了查詢、排序、分頁、高亮等所有功能：

另一個(gè)是QueryBuilders，其中包含match、term、function_score、bool等各種查詢：

3.1.2.解析響應(yīng)

響應(yīng)結(jié)果的解析：

elasticsearch返回的結(jié)果是一個(gè)JSON字符串，結(jié)構(gòu)包含：

• hits：命中的結(jié)果
  • total：總條數(shù)，其中的value是具體的總條數(shù)值
  • max_score：所有結(jié)果中得分最高的文檔的相關(guān)性算分
  • hits：搜索結(jié)果的文檔數(shù)組，其中的每個(gè)文檔都是一個(gè)json對(duì)象
    • _source：文檔中的原始數(shù)據(jù)，也是json對(duì)象

因此，我們解析響應(yīng)結(jié)果，就是逐層解析JSON字符串，流程如下：

• SearchHits：通過response.getHits()獲取，就是JSON中的最外層的hits，代表命中的結(jié)果
  • SearchHits#getTotalHits().value：獲取總條數(shù)信息
  • SearchHits#getHits()：獲取SearchHit數(shù)組，也就是文檔數(shù)組
    • SearchHit#getSourceAsString()：獲取文檔結(jié)果中的_source，也就是原始的json文檔數(shù)據(jù)

3.1.3.完整代碼

完整代碼如下：

@Test
void testMatchAll() throws IOException {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSLrequest.source().query(QueryBuilders.matchAllQuery());// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)handleResponse(response);
}private void handleResponse(SearchResponse response) {// 4.解析響應(yīng)SearchHits searchHits = response.getHits();// 4.1.獲取總條數(shù)long total = searchHits.getTotalHits().value;System.out.println("共搜索到" + total + "條數(shù)據(jù)");// 4.2.文檔數(shù)組SearchHit[] hits = searchHits.getHits();// 4.3.遍歷for (SearchHit hit : hits) {// 獲取文檔sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);System.out.println("hotelDoc = " + hotelDoc);}
}

3.1.4.小結(jié)

查詢的基本步驟是：

1. 創(chuàng)建SearchRequest對(duì)象

2. 準(zhǔn)備Request.source()，也就是DSL。

   ① QueryBuilders來構(gòu)建查詢條件

   ② 傳入Request.source() 的 query() 方法

3. 發(fā)送請(qǐng)求，得到結(jié)果

4. 解析結(jié)果（參考JSON結(jié)果，從外到內(nèi)，逐層解析）

3.2.match查詢

全文檢索的match和multi_match查詢與match_all的API基本一致。差別是查詢條件，也就是query的部分。

因此，Java代碼上的差異主要是request.source().query()中的參數(shù)了。同樣是利用QueryBuilders提供的方法：

而結(jié)果解析代碼則完全一致，可以抽取并共享。

完整代碼如下：

@Test
void testMatch() throws IOException {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSLrequest.source().query(QueryBuilders.matchQuery("all", "如家"));// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)handleResponse(response);}

3.3.精確查詢

精確查詢主要是兩者：

• term：詞條精確匹配
• range：范圍查詢

與之前的查詢相比，差異同樣在查詢條件，其它都一樣。

查詢條件構(gòu)造的API如下：

3.4.布爾查詢

布爾查詢是用must、must_not、filter等方式組合其它查詢，代碼示例如下：

可以看到，API與其它查詢的差別同樣是在查詢條件的構(gòu)建，QueryBuilders，結(jié)果解析等其他代碼完全不變。

完整代碼如下：

@Test
void testBool() throws IOException {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSL// 2.1.準(zhǔn)備BooleanQueryBoolQueryBuilder boolQuery = QueryBuilders.boolQuery();// 2.2.添加termboolQuery.must(QueryBuilders.termQuery("city", "杭州"));// 2.3.添加rangeboolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));request.source().query(boolQuery);// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)handleResponse(response);}

3.5.排序、分頁

搜索結(jié)果的排序和分頁是與query同級(jí)的參數(shù)，因此同樣是使用request.source()來設(shè)置。

對(duì)應(yīng)的API如下：

完整代碼示例：

@Test
void testPageAndSort() throws IOException {// 頁碼，每頁大小int page = 1, size = 5;// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSL// 2.1.queryrequest.source().query(QueryBuilders.matchAllQuery());// 2.2.排序 sortrequest.source().sort("price", SortOrder.ASC);// 2.3.分頁 from、sizerequest.source().from((page - 1) * size).size(5);// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)handleResponse(response);}

3.6.高亮

高亮的代碼與之前代碼差異較大，有兩點(diǎn)：

• 查詢的DSL：其中除了查詢條件，還需要添加高亮條件，同樣是與query同級(jí)。
• 結(jié)果解析：結(jié)果除了要解析_source文檔數(shù)據(jù)，還要解析高亮結(jié)果

3.6.1.高亮請(qǐng)求構(gòu)建

高亮請(qǐng)求的構(gòu)建API如下：

上述代碼省略了查詢條件部分，但是大家不要忘了：高亮查詢必須使用全文檢索查詢，并且要有搜索關(guān)鍵字，將來才可以對(duì)關(guān)鍵字高亮。

完整代碼如下：

@Test
void testHighlight() throws IOException {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSL// 2.1.queryrequest.source().query(QueryBuilders.matchQuery("all", "如家"));// 2.2.高亮request.source().highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)handleResponse(response);}

3.6.2.高亮結(jié)果解析

高亮的結(jié)果與查詢的文檔結(jié)果默認(rèn)是分離的，并不在一起。

因此解析高亮的代碼需要額外處理：

代碼解讀：

• 第一步：從結(jié)果中獲取source。hit.getSourceAsString()，這部分是非高亮結(jié)果，json字符串。還需要反序列為HotelDoc對(duì)象
• 第二步：獲取高亮結(jié)果。hit.getHighlightFields()，返回值是一個(gè)Map，key是高亮字段名稱，值是HighlightField對(duì)象，代表高亮值
• 第三步：從map中根據(jù)高亮字段名稱，獲取高亮字段值對(duì)象HighlightField
• 第四步：從HighlightField中獲取Fragments，并且轉(zhuǎn)為字符串。這部分就是真正的高亮字符串了
• 第五步：用高亮的結(jié)果替換HotelDoc中的非高亮結(jié)果

完整代碼如下：

private void handleResponse(SearchResponse response) {// 4.解析響應(yīng)SearchHits searchHits = response.getHits();// 4.1.獲取總條數(shù)long total = searchHits.getTotalHits().value;System.out.println("共搜索到" + total + "條數(shù)據(jù)");// 4.2.文檔數(shù)組SearchHit[] hits = searchHits.getHits();// 4.3.遍歷for (SearchHit hit : hits) {// 獲取文檔sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);// 獲取高亮結(jié)果Map<String, HighlightField> highlightFields = hit.getHighlightFields();if (!CollectionUtils.isEmpty(highlightFields)) {// 根據(jù)字段名獲取高亮結(jié)果HighlightField highlightField = highlightFields.get("name");if (highlightField != null) {// 獲取高亮值String name = highlightField.getFragments()[0].string();// 覆蓋非高亮結(jié)果hotelDoc.setName(name);}}System.out.println("hotelDoc = " + hotelDoc);}
}

4.黑馬旅游案例

下面，我們通過黑馬旅游的案例來實(shí)戰(zhàn)演練下之前學(xué)習(xí)的知識(shí)。

我們實(shí)現(xiàn)四部分功能：

• 酒店搜索和分頁
• 酒店結(jié)果過濾
• 我周邊的酒店
• 酒店競(jìng)價(jià)排名

啟動(dòng)我們提供的hotel-demo項(xiàng)目，其默認(rèn)端口是8089，訪問http://localhost:8090，就能看到項(xiàng)目頁面了：

4.1.酒店搜索和分頁

案例需求：實(shí)現(xiàn)黑馬旅游的酒店搜索功能，完成關(guān)鍵字搜索和分頁

4.1.1.需求分析

在項(xiàng)目的首頁，有一個(gè)的搜索框，還有分頁按鈕：

點(diǎn)擊搜索按鈕，可以看到瀏覽器控制臺(tái)發(fā)出了請(qǐng)求：

請(qǐng)求參數(shù)如下：

由此可以知道，我們這個(gè)請(qǐng)求的信息如下：

• 請(qǐng)求方式：POST
• 請(qǐng)求路徑：/hotel/list
• 請(qǐng)求參數(shù)：JSON對(duì)象，包含4個(gè)字段：
  • key：搜索關(guān)鍵字
  • page：頁碼
  • size：每頁大小
  • sortBy：排序，目前暫不實(shí)現(xiàn)
• 返回值：分頁查詢，需要返回分頁結(jié)果PageResult，包含兩個(gè)屬性：
  • total：總條數(shù)
  • List<HotelDoc>：當(dāng)前頁的數(shù)據(jù)

因此，我們實(shí)現(xiàn)業(yè)務(wù)的流程如下：

• 步驟一：定義實(shí)體類，接收請(qǐng)求參數(shù)的JSON對(duì)象
• 步驟二：編寫controller，接收頁面的請(qǐng)求
• 步驟三：編寫業(yè)務(wù)實(shí)現(xiàn)，利用RestHighLevelClient實(shí)現(xiàn)搜索、分頁

4.1.2.定義實(shí)體類

實(shí)體類有兩個(gè)，一個(gè)是前端的請(qǐng)求參數(shù)實(shí)體，一個(gè)是服務(wù)端應(yīng)該返回的響應(yīng)結(jié)果實(shí)體。

1）請(qǐng)求參數(shù)

前端請(qǐng)求的json結(jié)構(gòu)如下：

{"key": "搜索關(guān)鍵字","page": 1,"size": 3,"sortBy": "default"
}

因此，我們?cè)?code>cn.itcast.hotel.pojo包下定義一個(gè)實(shí)體類：

package cn.itcast.hotel.pojo;import lombok.Data;@Data
public class RequestParams {private String key;private Integer page;private Integer size;private String sortBy;
}

2）返回值

分頁查詢，需要返回分頁結(jié)果PageResult，包含兩個(gè)屬性：

• total：總條數(shù)
• List<HotelDoc>：當(dāng)前頁的數(shù)據(jù)

因此，我們?cè)?code>cn.itcast.hotel.pojo中定義返回結(jié)果：

package cn.itcast.hotel.pojo;import lombok.Data;import java.util.List;@Data
public class PageResult {private Long total;private List<HotelDoc> hotels;public PageResult() {}public PageResult(Long total, List<HotelDoc> hotels) {this.total = total;this.hotels = hotels;}
}

4.1.3.定義controller

定義一個(gè)HotelController，聲明查詢接口，滿足下列要求：

• 請(qǐng)求方式：Post
• 請(qǐng)求路徑：/hotel/list
• 請(qǐng)求參數(shù)：對(duì)象，類型為RequestParam
• 返回值：PageResult，包含兩個(gè)屬性
  • Long total：總條數(shù)
  • List<HotelDoc> hotels：酒店數(shù)據(jù)

因此，我們?cè)?code>cn.itcast.hotel.web中定義HotelController：

@RestController
@RequestMapping("/hotel")
public class HotelController {@Autowiredprivate IHotelService hotelService;// 搜索酒店數(shù)據(jù)@PostMapping("/list")public PageResult search(@RequestBody RequestParams params){return hotelService.search(params);}
}

4.1.4.實(shí)現(xiàn)搜索業(yè)務(wù)

我們?cè)赾ontroller調(diào)用了IHotelService，并沒有實(shí)現(xiàn)該方法，因此下面我們就在IHotelService中定義方法，并且去實(shí)現(xiàn)業(yè)務(wù)邏輯。

1）在cn.itcast.hotel.service中的IHotelService接口中定義一個(gè)方法：

/*** 根據(jù)關(guān)鍵字搜索酒店信息* @param params 請(qǐng)求參數(shù)對(duì)象，包含用戶輸入的關(guān)鍵字 * @return 酒店文檔列表*/
PageResult search(RequestParams params);

2）實(shí)現(xiàn)搜索業(yè)務(wù)，肯定離不開RestHighLevelClient，我們需要把它注冊(cè)到Spring中作為一個(gè)Bean。在cn.itcast.hotel中的HotelDemoApplication中聲明這個(gè)Bean：

@Bean
public RestHighLevelClient client(){return  new RestHighLevelClient(RestClient.builder(HttpHost.create("http://192.168.150.101:9200")));
}

3）在cn.itcast.hotel.service.impl中的HotelService中實(shí)現(xiàn)search方法：

@Override
public PageResult search(RequestParams params) {try {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSL// 2.1.queryString key = params.getKey();if (key == null || "".equals(key)) {request.source().query(QueryBuilders.matchAllQuery());} else {request.source().query(QueryBuilders.matchQuery("all", key));}// 2.2.分頁int page = params.getPage();int size = params.getSize();request.source().from((page - 1) * size).size(size);// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)return handleResponse(response);} catch (IOException e) {throw new RuntimeException(e);}
}// 結(jié)果解析
private PageResult handleResponse(SearchResponse response) {// 4.解析響應(yīng)SearchHits searchHits = response.getHits();// 4.1.獲取總條數(shù)long total = searchHits.getTotalHits().value;// 4.2.文檔數(shù)組SearchHit[] hits = searchHits.getHits();// 4.3.遍歷List<HotelDoc> hotels = new ArrayList<>();for (SearchHit hit : hits) {// 獲取文檔sourceString json = hit.getSourceAsString();// 反序列化HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);// 放入集合hotels.add(hotelDoc);}// 4.4.封裝返回return new PageResult(total, hotels);
}

4.2.酒店結(jié)果過濾

需求：添加品牌、城市、星級(jí)、價(jià)格等過濾功能

4.2.1.需求分析

在頁面搜索框下面，會(huì)有一些過濾項(xiàng)：

傳遞的參數(shù)如圖：

包含的過濾條件有：

• brand：品牌值
• city：城市
• minPrice~maxPrice：價(jià)格范圍
• starName：星級(jí)

我們需要做兩件事情：

• 修改請(qǐng)求參數(shù)的對(duì)象RequestParams，接收上述參數(shù)
• 修改業(yè)務(wù)邏輯，在搜索條件之外，添加一些過濾條件

4.2.2.修改實(shí)體類

修改在cn.itcast.hotel.pojo包下的實(shí)體類RequestParams：

@Data
public class RequestParams {private String key;private Integer page;private Integer size;private String sortBy;// 下面是新增的過濾條件參數(shù)private String city;private String brand;private String starName;private Integer minPrice;private Integer maxPrice;
}

4.2.3.修改搜索業(yè)務(wù)

在HotelService的search方法中，只有一個(gè)地方需要修改：requet.source().query( … )其中的查詢條件。

在之前的業(yè)務(wù)中，只有match查詢，根據(jù)關(guān)鍵字搜索，現(xiàn)在要添加條件過濾，包括：

• 品牌過濾：是keyword類型，用term查詢
• 星級(jí)過濾：是keyword類型，用term查詢
• 價(jià)格過濾：是數(shù)值類型，用range查詢
• 城市過濾：是keyword類型，用term查詢

多個(gè)查詢條件組合，肯定是boolean查詢來組合：

• 關(guān)鍵字搜索放到must中，參與算分
• 其它過濾條件放到filter中，不參與算分

因?yàn)闂l件構(gòu)建的邏輯比較復(fù)雜，這里先封裝為一個(gè)函數(shù)：

buildBasicQuery的代碼如下：

private void buildBasicQuery(RequestParams params, SearchRequest request) {// 1.構(gòu)建BooleanQueryBoolQueryBuilder boolQuery = QueryBuilders.boolQuery();// 2.關(guān)鍵字搜索String key = params.getKey();if (key == null || "".equals(key)) {boolQuery.must(QueryBuilders.matchAllQuery());} else {boolQuery.must(QueryBuilders.matchQuery("all", key));}// 3.城市條件if (params.getCity() != null && !params.getCity().equals("")) {boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));}// 4.品牌條件if (params.getBrand() != null && !params.getBrand().equals("")) {boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));}// 5.星級(jí)條件if (params.getStarName() != null && !params.getStarName().equals("")) {boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));}// 6.價(jià)格if (params.getMinPrice() != null && params.getMaxPrice() != null) {boolQuery.filter(QueryBuilders.rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));}// 7.放入sourcerequest.source().query(boolQuery);
}

4.3.我周邊的酒店

需求：我附近的酒店

4.3.1.需求分析

在酒店列表頁的右側(cè)，有一個(gè)地圖，點(diǎn)擊地圖的定位按鈕，地圖會(huì)找到你所在的位置：

并且，在前端會(huì)發(fā)起查詢請(qǐng)求，將你的坐標(biāo)發(fā)送到服務(wù)端：

我們要做的事情就是基于這個(gè)location坐標(biāo)，然后按照距離對(duì)周圍酒店排序。實(shí)現(xiàn)思路如下：

• 修改RequestParams參數(shù)，接收location字段
• 修改search方法業(yè)務(wù)邏輯，如果location有值，添加根據(jù)geo_distance排序的功能

4.3.2.修改實(shí)體類

修改在cn.itcast.hotel.pojo包下的實(shí)體類RequestParams：

package cn.itcast.hotel.pojo;import lombok.Data;@Data
public class RequestParams {private String key;private Integer page;private Integer size;private String sortBy;private String city;private String brand;private String starName;private Integer minPrice;private Integer maxPrice;// 我當(dāng)前的地理坐標(biāo)private String location;
}

4.3.3.距離排序API

我們以前學(xué)習(xí)過排序功能，包括兩種：

• 普通字段排序
• 地理坐標(biāo)排序

我們只講了普通字段排序?qū)?yīng)的java寫法。地理坐標(biāo)排序只學(xué)過DSL語法，如下：

GET /indexName/_search
{"query": {"match_all": {}},"sort": [{"price": "asc"  },{"_geo_distance" : {"FIELD" : "緯度，經(jīng)度","order" : "asc","unit" : "km"}}]
}

對(duì)應(yīng)的java代碼示例：

4.3.4.添加距離排序

在cn.itcast.hotel.service.impl的HotelService的search方法中，添加一個(gè)排序功能：

完整代碼：

@Override
public PageResult search(RequestParams params) {try {// 1.準(zhǔn)備RequestSearchRequest request = new SearchRequest("hotel");// 2.準(zhǔn)備DSL// 2.1.querybuildBasicQuery(params, request);// 2.2.分頁int page = params.getPage();int size = params.getSize();request.source().from((page - 1) * size).size(size);// 2.3.排序String location = params.getLocation();if (location != null && !location.equals("")) {request.source().sort(SortBuilders.geoDistanceSort("location", new GeoPoint(location)).order(SortOrder.ASC).unit(DistanceUnit.KILOMETERS));}// 3.發(fā)送請(qǐng)求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 4.解析響應(yīng)return handleResponse(response);} catch (IOException e) {throw new RuntimeException(e);}
}

4.3.5.排序距離顯示

重啟服務(wù)后，測(cè)試我的酒店功能：

發(fā)現(xiàn)確實(shí)可以實(shí)現(xiàn)對(duì)我附近酒店的排序，不過并沒有看到酒店到底距離我多遠(yuǎn)，這該怎么辦？

排序完成后，頁面還要獲取我附近每個(gè)酒店的具體距離值，這個(gè)值在響應(yīng)結(jié)果中是獨(dú)立的：

因此，我們?cè)诮Y(jié)果解析階段，除了解析source部分以外，還要得到sort部分，也就是排序的距離，然后放到響應(yīng)結(jié)果中。

我們要做兩件事：

• 修改HotelDoc，添加排序距離字段，用于頁面顯示
• 修改HotelService類中的handleResponse方法，添加對(duì)sort值的獲取

1）修改HotelDoc類，添加距離字段

package cn.itcast.hotel.pojo;import lombok.Data;
import lombok.NoArgsConstructor;@Data
@NoArgsConstructor
public class HotelDoc {private Long id;private String name;private String address;private Integer price;private Integer score;private String brand;private String city;private String starName;private String business;private String location;private String pic;// 排序時(shí)的 距離值private Object distance;public HotelDoc(Hotel hotel) {this.id = hotel.getId();this.name = hotel.getName();this.address = hotel.getAddress();this.price = hotel.getPrice();this.score = hotel.getScore();this.brand = hotel.getBrand();this.city = hotel.getCity();this.starName = hotel.getStarName();this.business = hotel.getBusiness();this.location = hotel.getLatitude() + ", " + hotel.getLongitude();this.pic = hotel.getPic();}
}

2）修改HotelService中的handleResponse方法

重啟后測(cè)試，發(fā)現(xiàn)頁面能成功顯示距離了：

4.4.酒店競(jìng)價(jià)排名

需求：讓指定的酒店在搜索結(jié)果中排名置頂

4.4.1.需求分析

要讓指定酒店在搜索結(jié)果中排名置頂，效果如圖：

頁面會(huì)給指定的酒店添加廣告標(biāo)記。

那怎樣才能讓指定的酒店排名置頂呢？

我們之前學(xué)習(xí)過的function_score查詢可以影響算分，算分高了，自然排名也就高了。而function_score包含3個(gè)要素：

• 過濾條件：哪些文檔要加分
• 算分函數(shù)：如何計(jì)算function score
• 加權(quán)方式：function score 與 query score如何運(yùn)算

這里的需求是：讓指定酒店排名靠前。因此我們需要給這些酒店添加一個(gè)標(biāo)記，這樣在過濾條件中就可以根據(jù)這個(gè)標(biāo)記來判斷，是否要提高算分。

比如，我們給酒店添加一個(gè)字段：isAD，Boolean類型：

• true：是廣告
• false：不是廣告

這樣function_score包含3個(gè)要素就很好確定了：

• 過濾條件：判斷isAD 是否為true
• 算分函數(shù)：我們可以用最簡單暴力的weight，固定加權(quán)值
• 加權(quán)方式：可以用默認(rèn)的相乘，大大提高算分

因此，業(yè)務(wù)的實(shí)現(xiàn)步驟包括：

1. 給HotelDoc類添加isAD字段，Boolean類型

2. 挑選幾個(gè)你喜歡的酒店，給它的文檔數(shù)據(jù)添加isAD字段，值為true

3. 修改search方法，添加function score功能，給isAD值為true的酒店增加權(quán)重

4.4.2.修改HotelDoc實(shí)體

給cn.itcast.hotel.pojo包下的HotelDoc類添加isAD字段：

4.4.3.添加廣告標(biāo)記

接下來，我們挑幾個(gè)酒店，添加isAD字段，設(shè)置為true：

POST /hotel/_update/1902197537
{"doc": {"isAD": true}
}
POST /hotel/_update/2056126831
{"doc": {"isAD": true}
}
POST /hotel/_update/1989806195
{"doc": {"isAD": true}
}
POST /hotel/_update/2056105938
{"doc": {"isAD": true}
}

4.4.4.添加算分函數(shù)查詢

接下來我們就要修改查詢條件了。之前是用的boolean 查詢，現(xiàn)在要改成function_socre查詢。

function_score查詢結(jié)構(gòu)如下：

對(duì)應(yīng)的JavaAPI如下：

我們可以將之前寫的boolean查詢作為原始查詢條件放到query中，接下來就是添加過濾條件、算分函數(shù)、加權(quán)模式了。所以原來的代碼依然可以沿用。

修改cn.itcast.hotel.service.impl包下的HotelService類中的buildBasicQuery方法，添加算分函數(shù)查詢：

private void buildBasicQuery(RequestParams params, SearchRequest request) {// 1.構(gòu)建BooleanQueryBoolQueryBuilder boolQuery = QueryBuilders.boolQuery();// 關(guān)鍵字搜索String key = params.getKey();if (key == null || "".equals(key)) {boolQuery.must(QueryBuilders.matchAllQuery());} else {boolQuery.must(QueryBuilders.matchQuery("all", key));}// 城市條件if (params.getCity() != null && !params.getCity().equals("")) {boolQuery.filter(QueryBuilders.termQuery("city", params.getCity()));}// 品牌條件if (params.getBrand() != null && !params.getBrand().equals("")) {boolQuery.filter(QueryBuilders.termQuery("brand", params.getBrand()));}// 星級(jí)條件if (params.getStarName() != null && !params.getStarName().equals("")) {boolQuery.filter(QueryBuilders.termQuery("starName", params.getStarName()));}// 價(jià)格if (params.getMinPrice() != null && params.getMaxPrice() != null) {boolQuery.filter(QueryBuilders.rangeQuery("price").gte(params.getMinPrice()).lte(params.getMaxPrice()));}// 2.算分控制FunctionScoreQueryBuilder functionScoreQuery =QueryBuilders.functionScoreQuery(// 原始查詢，相關(guān)性算分的查詢boolQuery,// function score的數(shù)組new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{// 其中的一個(gè)function score 元素new FunctionScoreQueryBuilder.FilterFunctionBuilder(// 過濾條件QueryBuilders.termQuery("isAD", true),// 算分函數(shù)ScoreFunctionBuilders.weightFactorFunction(10))});request.source().query(functionScoreQuery);
}